• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    調(diào)制方式的動(dòng)態(tài)TOPSIS識(shí)別*

    2018-05-29 01:21:59
    電訊技術(shù) 2018年5期
    關(guān)鍵詞:特征參數(shù)識(shí)別率幅度

    (海軍航空大學(xué) 航空作戰(zhàn)勤務(wù)學(xué)院,山東 煙臺(tái) 264001)

    1 引 言

    通信對(duì)抗目標(biāo)的特征選擇和提取是通信對(duì)抗領(lǐng)域中一個(gè)重要的課題。準(zhǔn)確識(shí)別出截獲的通信信號(hào)調(diào)制方式,既是提取通信對(duì)抗目標(biāo)特征參數(shù),完成解調(diào)并獲取通信信息的必然要求,也是后續(xù)進(jìn)行針對(duì)性的電子干擾所必經(jīng)途徑。隨著通信信號(hào)傳播環(huán)境的日益復(fù)雜以及通信調(diào)制方式的多樣化,傳統(tǒng)的人工識(shí)別方式已經(jīng)不適用。1969年4月,Waver等人[1]發(fā)表了第一篇研究自動(dòng)調(diào)制識(shí)別的論文,從而拉開了信號(hào)自動(dòng)調(diào)制方式識(shí)別研究的大幕。自動(dòng)調(diào)制識(shí)別的出現(xiàn)克服了傳統(tǒng)人工識(shí)別的缺點(diǎn),能夠?qū)崟r(shí)、有效地對(duì)通信信號(hào)調(diào)制方式進(jìn)行識(shí)別。目前,調(diào)制識(shí)別主要有兩種方式,分別是基于似然函數(shù)的決策理論方法和基于特征參數(shù)的模式識(shí)別方法[2]。前者在假設(shè)信號(hào)滿足某種分布條件的前提下,利用統(tǒng)計(jì)似然特征進(jìn)行判決,而后者則先進(jìn)行信號(hào)的特征提取,然后再利用不同的分類器進(jìn)行判決。因此,對(duì)基于特征參數(shù)的模式識(shí)別方法而言,分類器的設(shè)計(jì)好壞將直接影響到識(shí)別正確率。目前分類器設(shè)計(jì)的方法主要有基于神經(jīng)網(wǎng)絡(luò)的方法[3-5]、基于支持向量機(jī)的方法[6-8]和基于判決樹的方法[9-11]。其中,基于判決樹的難點(diǎn)在于如何正確確定判決門限和判決準(zhǔn)則,而基于神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)的方法不需要人工確定判決門限和判決準(zhǔn)則,適應(yīng)性強(qiáng),但是計(jì)算量相對(duì)較高。

    針對(duì)上述問(wèn)題,本文提出了基于動(dòng)態(tài)TOPSIS(Technique for Order Preference by Similarity to Ideal Solution)的調(diào)制方式識(shí)別方法。與目前常用的分類器——判決樹的識(shí)別流程不同,后者是對(duì)提取的特征參數(shù)依次進(jìn)行門限比較,直至分選識(shí)別出每一種調(diào)制方式。而本文所提方法的思路是將多個(gè)特征參數(shù)看成一個(gè)整體,建立一個(gè)系統(tǒng)判決,利用各個(gè)特征參數(shù)直接對(duì)調(diào)制方式進(jìn)行分類,能夠有效地避免特征參數(shù)的門限選取準(zhǔn)確性問(wèn)題,同時(shí)也避免了特征參數(shù)多次利用的問(wèn)題。

    2 基于動(dòng)態(tài)TOPSIS的調(diào)制識(shí)別算法

    2.1 算法原理

    TOPSIS法是一種多目標(biāo)決策方法,其基本思路是定義決策問(wèn)題的正理想解和負(fù)理想解,然后在所有的可行方案中找到一個(gè)方案。綜合來(lái)看,該所選方案中,各個(gè)評(píng)價(jià)指標(biāo)離正理想解最近,而離負(fù)理想解最遠(yuǎn)。一般來(lái)說(shuō),正理想解即是最理想的方案,要滿足它所對(duì)應(yīng)的屬性是各方案中最好的;負(fù)理想解則是最壞的方案,要滿足它所對(duì)應(yīng)的屬性是各方案中最差的。之后利用方案排隊(duì)的決策方式,將實(shí)際值和理想解進(jìn)行比較,離正理想解越近、離負(fù)理想解越遠(yuǎn)越好。

    基于動(dòng)態(tài)TOPSIS的調(diào)制方式識(shí)別方法其主要思路如下:首先,確定多個(gè)特征參數(shù)為評(píng)價(jià)指標(biāo),然后對(duì)每一種調(diào)制方式都進(jìn)行正、負(fù)理想解的設(shè)定(以該調(diào)制方式下的特征參數(shù)理想值為正理想解,所有待判決的調(diào)制方式下特征參數(shù)的理想值中與正理想解差距最大的值為負(fù)理想解);其次,讓待識(shí)別信號(hào)依次進(jìn)入到每一個(gè)調(diào)制方式的TOPSIS模型中進(jìn)行打分,得到多個(gè)得分;最后,對(duì)待判決的各調(diào)制方式的得分進(jìn)行排序,得分最高的則為調(diào)制方式的判決結(jié)果。

    2.2 具體步驟

    設(shè)待判決的調(diào)制方式有M種,確定N個(gè)特征參數(shù)為評(píng)價(jià)指標(biāo)。

    常規(guī)的TOPSIS法中,對(duì)每一個(gè)評(píng)價(jià)指標(biāo)來(lái)說(shuō),其正、負(fù)理想解都是固定的,但是考慮到調(diào)制方式識(shí)別中對(duì)應(yīng)一種評(píng)價(jià)指標(biāo),每一種調(diào)制方式的理想解都是不同的,因此,為了滿足正理想解和負(fù)理想解的定義,將之定義為動(dòng)態(tài)的理想解。

    Step2 對(duì)待識(shí)別信號(hào)進(jìn)行特征參數(shù)的提取,得到N個(gè)特征參數(shù)估計(jì)值hi(i=1,2,…,N)。

    Step3 計(jì)算待識(shí)別信號(hào)的特征參數(shù)到各待判決調(diào)制方式的正、負(fù)理想解的距離。其中,到正理想解的距離為

    (1)

    到負(fù)理想解的距離為

    (2)

    Step4 計(jì)算待判決調(diào)制方式得分fj為

    (3)

    然后進(jìn)行排序,得分最高的調(diào)制方式即為判決結(jié)果。

    圖1 調(diào)制識(shí)別流程圖Fig.1 Flow chart of modulation classification

    3 仿真驗(yàn)證

    3.1 模擬調(diào)制識(shí)別

    設(shè)采樣后的待識(shí)別信號(hào)s(i)為

    s(i)=a((i-1)ts)cos[2πfc(i-1)ts+φ((i-1)ts)],

    i=1,2,…,Ns。

    (4)

    式中:fc為載波頻率;ts=1/fs,fs為采樣頻率;Ns為采樣點(diǎn)數(shù)。S(i)為s(i)的離散傅里葉變換,即

    S(i)=FFT(s(i)) 。

    (5)

    設(shè)定待識(shí)別的模擬調(diào)制種類包括DSB、LSB、USB、AM和FM,那么可以確定幅度譜峰值γmax、譜對(duì)稱性P、信號(hào)包絡(luò)方差與均值平方之比R這3個(gè)特征值為評(píng)價(jià)指標(biāo)[12-14]。

    (1)幅度譜峰值γmax

    (6)

    式中:acn(i)表示零中心歸一化瞬時(shí)幅度。acn(i)的計(jì)算公式如下:

    (7)

    (2)譜對(duì)稱性P

    其計(jì)算公式為

    (8)

    式中:PL表示s(i)的下邊帶功率,PU表示s(i)的上邊帶功率,即

    (9)

    (10)

    (3)信號(hào)包絡(luò)方差與均值平方之比R

    (11)

    式中:σ2表示信號(hào)包絡(luò)的方差,μ2表示信號(hào)包絡(luò)均值的平方。

    接下來(lái)利用上述評(píng)價(jià)指標(biāo),以AM信號(hào)為例,進(jìn)行基于動(dòng)態(tài)TOPSIS的調(diào)制方式識(shí)別仿真分析。參數(shù)設(shè)置如下:fc=3 MHz,fs=20 MHz,Ns=10 000。

    表1 模擬調(diào)制方式下正理想解Tab.1 Positive ideal solutions of analog modulation mode γmax

    表2 模擬調(diào)制方式下負(fù)理想解Tab.2 Negative ideal solutions of analog modulation mode

    接下來(lái)按照式(6)~(11)求取待識(shí)別AM信號(hào)的各特征參數(shù),然后按照式(1)和式(2)分別計(jì)算提取的特征參數(shù)到這5種待判決調(diào)制方式的正、負(fù)理想解的距離,最后按照式(3)計(jì)算各待判決調(diào)制方式的得分。圖2給出了本文方法在不同信噪比下對(duì)多種信號(hào)的正確識(shí)別率,可以看出本文方法在8 dB信噪比下就能夠準(zhǔn)確識(shí)別不同的模擬調(diào)制方式,對(duì)單邊帶信號(hào)甚至能夠在3 dB的低信噪比下達(dá)到100%準(zhǔn)確識(shí)別。

    圖2 調(diào)制方式正確識(shí)別率Fig.2 Correct classification rate of modulation mode

    3.2 數(shù)字調(diào)制識(shí)別

    設(shè)定待識(shí)別的數(shù)字調(diào)制種類包括4ASK、BPSK、QPSK、2FSK、4FSK和16QAM,那么可以確定平均幅度A、譜峰系數(shù)Mf、高階累積量特征值F這3個(gè)特征值為評(píng)價(jià)指標(biāo)[4,13]。

    (1)平均幅度A

    是指所有采樣點(diǎn)的瞬時(shí)包絡(luò)的平均值,如下所示:

    (12)

    圖3給出了不同數(shù)字調(diào)制下的平均幅度A,可以看出,ASK信號(hào)的平均幅度隨著信噪比的提高而逼近于0.5,且不隨進(jìn)制數(shù)變化而變化;MFSK和MPSK這類恒包絡(luò)信號(hào)的平均幅度則隨著信噪比的提高而趨近于1,同樣不隨進(jìn)制數(shù)變化而變化;而QAM信號(hào)的平均幅度則大于1,16QAM的平均幅度約等于3,且隨著進(jìn)制數(shù)的增大而增大。

    圖3 不同數(shù)字調(diào)制方式的平均幅度Fig.3 Average magnitude of different digital modulation mode

    (2)譜峰系數(shù)Mf

    反映信號(hào)頻譜峰值的多少,定義式如下:

    (13)

    式中:Si表示信號(hào)頻譜中第i個(gè)譜峰的頻率值,且升值排序,即S1<…Si…

    (a)4FSK

    (b)16QAM

    (c)QPSK

    (d)4ASK圖4 信噪比0 dB條件下幾種數(shù)字調(diào)制信號(hào)的頻譜圖Fig.4 Frequency spectrogram of several digital modulation signal when SNR=0 dB

    (3)高階累積量特征η

    信號(hào)的高階累積量定義為[15]

    ckx(τ1,…,τk-1)=cum[x(t),x(t+τ1),…,x(t+τk-1)] 。

    (14)

    選取二階和四階高階累積量,構(gòu)造特征參數(shù)η如下:

    η=|c40|/|c21|2。

    (15)

    可以推知其理論值如表3所示[4]。

    表3 η理論值Tab.3 Theoretic value of η

    表4 數(shù)字調(diào)制方式下正理想解Tab.4 Positive ideal solutions of digital modulation mode

    表5 數(shù)字調(diào)制方式下負(fù)理想解Tab.5 Negative ideal solutions of digital modulation mode

    接下來(lái),按照?qǐng)D1所示的識(shí)別流程進(jìn)行調(diào)制方式識(shí)別,表6和圖5給出了本文方法在全頻段信噪比下對(duì)多種數(shù)字調(diào)制信號(hào)的正確識(shí)別率(信號(hào)帶寬約為2 kHz,噪聲帶寬約為250 kHz),可以看出本文方法在5 dB信噪比下能夠達(dá)到90%左右的正確識(shí)別率,在10 dB時(shí)能夠接近100%的正確識(shí)別。

    表6 數(shù)字調(diào)制正確識(shí)別率Tab.6 Correct classification rate of digital modulation

    圖5 數(shù)字調(diào)制方式正確識(shí)別率Fig.5 Correct classification rate of digital modulation mode

    4 結(jié) 論

    本文借鑒TOPSIS對(duì)有限個(gè)評(píng)價(jià)對(duì)象與理想化目標(biāo)的接近程度進(jìn)行排序的思路,對(duì)調(diào)制信號(hào)的調(diào)制方式識(shí)別問(wèn)題進(jìn)行了分析,提出了可行的識(shí)別算法,并分別通過(guò)模擬調(diào)制和數(shù)字調(diào)制識(shí)別的仿真示例進(jìn)行了演示。從仿真結(jié)果可以發(fā)現(xiàn),本文方法能在較低信噪比條件下實(shí)現(xiàn)穩(wěn)健的調(diào)制方式識(shí)別,且具有更強(qiáng)的靈活性,更低的運(yùn)算復(fù)雜度。為進(jìn)一步提升判決準(zhǔn)確率,需更深入地研究特征參數(shù)選取和權(quán)值確定等問(wèn)題。

    [1] BOUDREAU D,DUBUC C,PATENAUDE F.A fast automatic modulation recognition algorithm and its implementation in a spectrum monitoring application[J].IEEE Transactions on Communications,2000,48(5):732-736.

    [2] 吳迪,葛臨東,彭華.基于EM算法的聯(lián)合調(diào)制識(shí)別與參數(shù)估計(jì)[J].四川大學(xué)學(xué)報(bào)(工程科學(xué)版),2014,46(1):114-120.

    WU Di,GE Lindong,PENG Hua.Joint modulation classification and parameter estimation based on EM algorithm[J].Journal of Sichuan University(Engineering Science Edition),2014,46(1):114-120.(in Chinese)

    [3] 趙雄文,郭春霞,李景春.基于高階累積量和循環(huán)譜的信號(hào)調(diào)制方式混合識(shí)別算法[J].電子與信息學(xué)報(bào),2016,38(3):674-680.

    ZHAO Xiongwen,GUO Chunxia,LI Jingchun.Mixed recognition algorithm for signal modulation schemes by high-order cumulants and cyclic spectrum[J].Journal of Electronics & Information Technology,2016,38(3):674-680.(in Chinese)

    [4] 黨月芳,徐啟建,張杰,等.高階累積量和分形理論在信號(hào)調(diào)制識(shí)別中的應(yīng)用研究[J].信號(hào)處理,2013,29(6):761-765.

    DANG Yuefang,XU Qijian,ZHANG Jie,et al.Research on modulation classification based on high-order cumulants and fractal theory[J].Journal of signal Processing,2013,29(6):761-765.(in Chinese)

    [5] 楊發(fā)權(quán),李贊,羅中良.基于聚類與神經(jīng)網(wǎng)絡(luò)的無(wú)線通信聯(lián)合調(diào)制識(shí)別新方法[J].中山大學(xué)學(xué)報(bào)(自然科學(xué)版),2015,54(2):24-29.

    YANG Faquan,LI Zan,LUO Zhongliang.A new speciric combination method of wireless communication modulation recognition based on clustering and neural network[J].Journal of Zhongshan University(Natural Science edition),2015,54(2):24-29.(in Chinese)

    [6] 陳紅,蔡曉霞,徐云,等.基于多重分形特征的通信調(diào)制方式識(shí)別研究[J].電子與信息學(xué)報(bào),2016,38(4):863-869.

    CHEN Hong,CAI Xiaoxia,XU Yun,et al.Communication modulation recognition based on multi-fractal dimension characteristics[J].Journal of Electronics & Information Technology,2016,38(4):863-869.(in Chinese)

    [7] 李一兵,葛娟,林云.基于熵特征和支持向量機(jī)的調(diào)制識(shí)別方法[J].系統(tǒng)工程與電子技術(shù),2012,34(8):1691-1695.

    LI Yibing,GE Juan,LIN Yun.Modulation recognition using entropy features and SVM[J].Systems Engineering and Electronics,2012,34(8):1691-1695.(in Chinese)

    [8] 張慧敏,柴毅.支持向量機(jī)多類分類的數(shù)字調(diào)制方式識(shí)別[J].重慶大學(xué)學(xué)報(bào),2011,34(12):78-81.

    ZHANG Huimin,CHAI Yi.Digital modulation mode recognition based on multi-class classification of support vector machine[J].Journal of Chongqing University,2011,34(12):78-81.(in Chinese)

    [9] 馬兆宇,韓福麗,謝智東,等.衛(wèi)星通信信號(hào)體系調(diào)制識(shí)別技術(shù)[J].航空學(xué)報(bào),2014,35(12):3403-3414.

    MA Zhaoyu,HAN Fuli,XIE Zhidong,et al.Modulation recognition technology of satellite communication signal system[J].Acta Aeronautica et Astronautica Sinica,2014,35(12):3403-3414.(in Chinese)

    [10] 趙知?jiǎng)?胡俊偉.基于小波系數(shù)稀疏性的數(shù)字調(diào)制樣式識(shí)別[J].杭州電子科技大學(xué)學(xué)報(bào),2014,34(2):16-19.

    ZHAO Zhijin,HU Junwei.Digital modulation classification using sparsity of wavelet coefficient[J].Journal of Hangzhou Dianzi University,2014,34(2):16-19.(in Chinese)

    [11] 劉明騫,李兵兵,石亞云.Alpha 穩(wěn)定分布下數(shù)字調(diào)制識(shí)別新方法[J].西安電子科技大學(xué)學(xué)報(bào),2015,42(6):1-5.

    LIU Mingqian,LI Bingbing,SHI Yayun.Novel recognition method for digital modulation signals with Alpha stable noise[J].Journal of Xidian University,2015,42(6):1-5.(in Chinese)

    [12] 馮小平,李鵬,楊紹全.通信對(duì)抗原理[M].西安:西安電子科技大學(xué)出版社,2009:112-140.

    [13] 王旭.基于小波變換的通信信號(hào)特征提取與調(diào)制識(shí)別[D].貴州:貴州大學(xué),2009:37-38.

    WANG Xu.Feature extraction and modulation identification for communication signals based on wavelet transform[D].Guizhou:Guizhou University,2009:37-38.(in Chinese)

    [14] 鄧兵,張韞,李炳榮.通信對(duì)抗原理及應(yīng)用[M].北京:電子工業(yè)出版社,2017:86-98.

    [15] 張賢達(dá).現(xiàn)代信號(hào)處理[M].2版.北京:清華大學(xué)出版社,2007:263-269.

    猜你喜歡
    特征參數(shù)識(shí)別率幅度
    故障診斷中信號(hào)特征參數(shù)擇取方法
    基于特征參數(shù)化的木工CAD/CAM系統(tǒng)
    基于類圖像處理與向量化的大數(shù)據(jù)腳本攻擊智能檢測(cè)
    基于真耳分析的助聽器配戴者言語(yǔ)可懂度指數(shù)與言語(yǔ)識(shí)別率的關(guān)系
    微波超寬帶高速數(shù)控幅度調(diào)節(jié)器研制
    提升高速公路MTC二次抓拍車牌識(shí)別率方案研究
    基于PSO-VMD的齒輪特征參數(shù)提取方法研究
    基于ANSYS的四連桿臂架系統(tǒng)全幅度應(yīng)力分析
    高速公路機(jī)電日常維護(hù)中車牌識(shí)別率分析系統(tǒng)的應(yīng)用
    統(tǒng)計(jì)特征參數(shù)及多分類SVM的局部放電類型識(shí)別
    威信县| 慈利县| 深圳市| 芜湖县| 黑龙江省| 绥德县| 平凉市| 烟台市| 交口县| 秦安县| 乐至县| 当阳市| 常宁市| 青岛市| 商河县| 治县。| 巨鹿县| 龙山县| 莱芜市| 绥芬河市| 黑山县| 清河县| 宣威市| 汉阴县| 山东省| 嘉黎县| 绥滨县| 昌都县| 南漳县| 汽车| 天长市| 遂川县| 苏尼特右旗| 纳雍县| 南安市| 安龙县| 北碚区| 邵武市| 金湖县| 台州市| 呼和浩特市|